← 返回官网
收益 = K × 网络密度 · 六档硬件（DGX / 4090 / Mac Studio / Mac mini / 3060 / 边缘 NPU）· perf 分与岗位限制均为代码真实行为
--
网络密度（积分/perf/月）
--
月毛收益（积分 → ¥）
--
闲置变现净收益（¥/月）
--
回本周期（闲置净口径）

测算输入 · 全部可调

DGX Station
perf 120 封顶
RTX 4090
perf 108.8
Mac Studio
perf 72.4 全岗
Mac mini
perf 68.8 仅LLM
RTX 3060
perf 38.8 仅LLM
边缘 NPU
perf 16.4 无执行岗
💡 密度 = 月成交 GMV ÷ 全网有效算力。竞价市场自动出清：节点涌入 → 密度下降 → 低效节点退出 → 密度回升，长期稳定在均衡带。

测算结果

月毛收益（执行 75% + 岗位加成）
--
月毛收益折人民币
--
月电费（全成本口径）
--
全成本净收益
--
闲置变现净收益增量电费
--
硬件回本周期（闲置口径）
--
年化回报率（闲置口径）
--
净收益 × 网络密度
当前汇率/电价下，六档硬件的全成本净收益随密度变化；0 线为盈亏平衡（NPU 线贴 0 下方：无执行岗）
敏感性：积分汇率 × 网络密度
RTX 4090 全成本月净收益（¥）。汇率与密度是收益的两大杠杆，均为线性放大
四阶段情景全景
需求由 MAU × ARPU 驱动（ARPU 对标国内 AI 订阅价）；供给自由进出使密度收敛于均衡带 ~800 积分/perf
六档硬件全景（健康运营期基准）
perf 分由代码 hardware.py 真实跑分得出 · 岗位由 assign_roles(perf≥70 全岗 / ≥35 仅推理 / <35 无执行) 决定任务可达率
平台营收（生态池 8%）
每 ¥100 任务流水的分成去向（代码 REVENUE_SPLIT 权威值）
模型公式与参数来源
月毛收益（积分）= K × 密度，其中 K = 执行分成 75% × 任务可达率 × (1 + 岗位加成) × perf
密度（积分/perf/月）= 月成交 GMV ÷ 全网有效 perf；GMV = MAU × ARPU × 成交折扣 0.8
电费（全成本）= 功率 × 730h × 在线率 × (待机50% + 满载50%×利用率) × 电价
闲置净收益 = 毛收益 − 增量电费（增量 = 参与执行部分相对待机的额外功耗）
任务可达率（v3 修正，对齐代码 assign_roles 语义）：perf ≥70（4090/DGX/Mac Studio）全岗位可达率 100%；35≤perf<70（Mac mini M4 Pro 68.8 分、3060）只有 inference 岗，仅可接 LLM 类流水（可达率 65% 估算）；perf<35（轻薄本/边缘 NPU）无执行岗位，执行收益为 0（v2 版高估，已修正）。Mac mini M4 Pro 差 1.2 分未过 70 阈值是代码真实行为。
perf 分来源：全部由 hardware.py _perf_score() 按真实代码逻辑计算。DGX Station A100 原始分 206.4 被 min(,120) 封顶至 120——比 4090 仅高 10%，但价格贵 73 倍；Apple GPU（"APPLE M4 MAX" 含 "A"）命中 30/40/A 加分分支 +18。
参数来源：分成 75/8/5/4/8 = config.py REVENUE_SPLIT；报价系数区间 0.5~1.5；硬件成本 DGX ¥140 万（官方价）/ Mac Studio M4 Max 64G ¥19,500 / Mac mini M4 Pro 64G ¥12,000。
诚实结论：DGX 当矿机完全不成立（回本 156 年）——它的价值是机构本就要买的沉没设备，网络收益实为电费补贴（¥450-745/月）；Mac Studio/mini 是「静音省电 + 夜间闲置」画像，电价从 ¥0.4 涨到 ¥1.2 收益只降 1-3%，对电价免疫；买卡专职跑依然是 4090 性价比最高（27 月回本）。